大数据每天都会变得越来越大。但是，尽管今天比以往任何时候都生成和捕获了更多的数据，但其中很多是重复的，错误的或只是平庸的。是的，是数据，但是是信息？如果我发推文说我将在30分钟内在第10街的星巴克，而我的一个朋友重新贴上我，那么重新发送的数据会使数据翻倍，但这确实使信息增加一倍吗？高清电视信号传输数据五倍标准电视信号，但它传达了五倍的信息吗？
在信息理论中，“熵”是用来描述任何给定数据集中有多少实际信息的术语。这是一个从物理学借来的术语，其中熵是类似于系统中随机量的可量化值。热力学的第二定律著名地指出，熵（即随机性）总是增加。将一杯热水与一杯冷水混合，几万亿个单独的热和冷H2o分子会越来越随机混淆，直到结果是冷热水为止。但是将两杯冷热水混合在一起，这些相同的几万亿分子将绝不随机混合在一起，以使一半的水热和一半冷。熵解释了为什么没有永久性机器之类的东西，以及为什么时间永远不会向后奔跑，而是向前奔跑。
信息熵在数学上是相似的，但不是随机性，而是描述不可预测性信息。不可预测的信息包含高熵。例如，硬币抛弃的结果是具有很高熵的信息，因为无法提前预测。另一方面，当您看到字母F-A-S-T C-O-M-P-A-N-_最后一封信并不难预测，对吗？这意味着最后一个字母传达的信息具有低熵。同样，我的原始推文中有关进入星巴克的信息比我朋友的重新启动中的信息更具熵，而且标准电视广播比同一程序的高清重新运行更具熵。
无论您是否有意识地考虑过，您自己几乎可以肯定会发现信息熵非常有用。考虑一下您上次进入搜索引擎中的术语，以尝试在线或硬盘上的某个地方找到某些东西。为了找到正确的信息或参考，您可能输入了您可以想到的最唯一的（即最低预测的）描述。您可能不知道该概念的名字，但是您正在使用信息熵来提高搜索效率。
信息熵是我们学习新事物并获得新观点的方式。在一本真正令人着迷的书中最人类，布莱恩·克里斯蒂安（Brian Christian）建议：“当我们将问题带给朋友，同事或导师的反应和回应时，我们最不确定的是，我们对一个问题获得了最大的见解。”此外，他说：“为了最大程度地了解一个人，我们应该问一个我们最不确定的答案的问题。”在每种情况下，我们都将寻求高渗透信息，以便以更快，更有效的速度学习新事物。不要告诉我们一些我们已经知道的事情。告诉我们一些我们不知道的事情。
熵信息可能是对成为含义的重要线索有意识的首先。我们的大脑一直在努力预测事件并预测即将发生的事情。因此，意识本身可能是我们大脑努力仅仅减少面对我们面临的信息熵的结果。预测我们的环境从一刻到另一个时刻。信息熵是原因之一薄弱的联系在社交网络中，在许多情况下比紧密联系更有用，它也是创造力本身的秘密调味料。为了产生更多的新想法，新颖的概念或创新，使自己了解了高渗透信息 - 不用的观点，意外的故事，外面的思想。
在我们的书中极端信任，玛莎·罗杰斯（Martha Rogers）和我认为，处理数据和信息日益增长的一项重要业务策略是循证管理管理人员使用数据来告知其判断，而不是使用其判断来选择正确的数据。几个月前，我在这个领域建议将基于证据的管理付诸实践，无论您是管理棒球队或竞标海上石油租赁，比看起来要难得多。但是，从数据中提取正确的见解和知识不仅需要依靠数字。要获取最有价值的信息，您还需要寻找异常。寻找不寻常的东西。小心地挖掘熵。
问题是，尽管高渗透信息可能会产生最新的知识和见解，但我们都对不可预测性有自然的厌恶。作为人类，我们偏向于常规和熟悉的人，而不是新的和不同的。当我们知道接下来会发生什么时，我们会感到更安全，而我们更自在地与分享观点的人交谈。换句话说，寻找高渗透信息可能是一项膨胀的活动，但仍然感觉不自然，您可以通过实践来改进。为了使它更舒服，请尝试一些这样的练习：
- 与其他人一起玩游戏，找到两个正确拼写的英语单词，当在Google或Bing上一起搜索时，返回最少的结果。
- 选择一个您强烈不同意的观点，并反对这一观点。令人信服。
- 阅读一本杂志，您通常永远不会对最少的兴趣。
- 在餐厅，订购通常无法忍受的食物，然后吃。
- 每天都要以不同的顺序穿上衣服（即，第一天，首先，袜子在下一天，右侧，然后向左而不是向左向右，等等）。
- 在一个聚会上，找到您与之共同的人，并至少与他们交谈一个小时。
唐·佩珀斯（Don Peppers）是演讲者，顾问和合着者极端信任。在Twitter上关注他@donpeppers。
[[图片：Flickr用户简·拉赫曼（Jane Rahman）这是给予的